Pelacakan eksperimen

Konsep MLOps

Folkert Stijnman

ML Engineer

Eksperimen machine learning

komponen eksperimen machine learning

Konsep MLOps

Mengapa pelacakan eksperimen penting?

Dalam setiap eksperimen, faktor berikut dapat dikonfigurasi:

konfigurasi machine learning

Konsep MLOps

Menggunakan pelacakan eksperimen di siklus ML

Pelacakan eksperimen membantu untuk:

  • Membandingkan hasil
  • Mereproduksi eksperimen sebelumnya
  • Berkolaborasi dengan pengembang dan pemangku kepentingan
  • Melaporkan hasil kepada pemangku kepentingan
Konsep MLOps

Bagaimana melacak eksperimen?

Alat Pro Kontra
Spreadsheet Sederhana, mudah digunakan Banyak pekerjaan manual
Platform proprietari Solusi khusus untuk proses kita Butuh waktu dan upaya
Alat pelacakan eksperimen Dirancang khusus untuk eksperimen Perlu membiasakan diri dengan alat

 

Konsep MLOps

Satu eksperimen machine learning

Contoh eksperimen machine learning

Konsep MLOps

Proses eksperimen

  1. Rumuskan hipotesis: "Kami memperkirakan..."
  2. Kumpulkan gambar dan label
  3. Definisikan eksperimen: jenis model, hyperparameter, dataset
  4. Siapkan pelacakan eksperimen
  5. Latih model machine learning
  6. Uji model pada hold-out test set
  7. Daftarkan model yang paling sesuai
  8. Visualisasikan, laporkan ke tim dan pemangku kepentingan, tentukan langkah berikutnya

pelatihan dan pengujian model machine learning

Konsep MLOps

Ayo berlatih!

Konsep MLOps

Preparing Video For Download...